模糊字符串匹配和正则表达式

Question

我有一个句子矢量，例如：

example <- c("text text word1 text text word2 text text", ...)

我正在尝试确定哪些句子符合以下规则：

• 该句子包含“word1”和“word2”
• “word1”出现在“word2”之前
• “word1”和“word2”
之间有0到3个字

这可以使用普通正则表达式完成。然而，问题是“word1”或“word2”可能包含拼写错误（对于两个单词，我预计最多距离为3）。拼写错误的例子可以是“wrod1”，“woord2”，“wrd1”等。我还想在距离约束内匹配包含这些单词的拼写错误的句子。因此我试图使用agrepl：

agrepl("(?:.*?)\\bword1\\b(?:\\s(?:\\w+\\s){0,3})\\bword2\\b(?:.*?)", example, fixed=FALSE, max=3)

但是，我认为距离是用整个句子来计算的，而不仅仅是“word1”和“word2”，因此我几乎不会以这种方式得到任何匹配。有关如何解决此问题的任何建议，还是agrepl / regex不是解决此问题的最佳工具？

Answer 1

这适合您的规则，但我不确定您的拼写错误会是什么样子。如果你能展示一些例子，那就太好了。

^(?=.*word1\s+(?:\S+\s+){0,3}word2.*$).* DEMO